Khoản tiết kiệm được cài ở đâu?
BV‑SALA không phải là ứng dụng, không phải tiện ích mở rộng, cũng không phải một cài đặt của ChatGPT. Nó là một đoạn mã mà lập trình viên đặt vào bên trong ứng dụng của chính họ, ngay tại nơi ứng dụng đó gọi API của nhà cung cấp. Nó chỉ có thể tiết kiệm ở nơi tồn tại hóa đơn theo token — và chỉ có thể đo ở nơi nó thấy từng yêu cầu đi qua.
Lớp này sống bên trong mã của bạn
Cùng một lệnh gọi, có và không có lớp. Lưu lượng luôn đi thẳng từ ứng dụng của bạn đến nhà cung cấp — BV‑SALA không phải máy chủ trung gian và không bao giờ thấy dữ liệu của bạn từ bên ngoài.
Ô màu xanh lá đó là một gói npm bên trong mã của ứng dụng. Vì vậy câu hỏi then chốt không bao giờ là «tôi cài gì?» mà là «ai đã viết đoạn mã gọi API?» — người đó chính là người có thể cài nó. Các ngoại lệ là một terminal lập trình như Claude Code và một ứng dụng viết bằng bất kỳ ngôn ngữ nào dùng SDK chính thức của OpenAI hoặc Anthropic và cho phép đặt base URL của nó: ở đó gateway bvsala đứng chắn phía trước mà không chạm vào một dòng mã nào. Lưu lượng đó được đo với các mô hình có giá niêm yết; các đòn bẩy tiết kiệm của gói npm không chạy ở đó, và đòn bẩy của chính gateway chỉ áp dụng cho lưu lượng Anthropic, với giấy phép PRO.
Trường hợp của bạn, trong 10 giây
Bốn cách dùng AI, và BV‑SALA có thể làm gì trong từng trường hợp.
Bạn trả phí cố định (hoặc không trả gì): không có hóa đơn theo token để giảm, và đây là sản phẩm đóng — không ai có thể đặt phần mềm vào giữa ứng dụng và các mô hình của nó. Khoản tiết kiệm của BV‑SALA đơn giản là không áp dụng ở đây — và không sản phẩm nào có thể hứa điều đó một cách trung thực.
Thuê bao cố định: không có hóa đơn token để đo — nhưng có giới hạn (cửa sổ năm giờ và giới hạn tuần). Skill savings-mode sinh ra đúng cho việc đó: miễn phí, tải lên claude.ai trong một phút, tấn công hai khối đốt giới hạn. Hiệu quả của nó sẽ được công bố khi đo xong — không bao giờ trước đó.
Với thuê bao, phí cố định — nhưng có giới hạn: cùng skill đó cài bằng một lệnh duy nhất và kéo giãn chính giới hạn tuần ấy. Với API key có hóa đơn token thật — và bộ đo đã chạy: với giấy phép BiVelio của bạn, «bvsala claude» khởi chạy Claude Code qua gateway cục bộ và chi tiêu của bạn hiện trong bảng điều khiển, từng token một, không đụng một dòng mã. Với PRO, trên các mô hình Anthropic, nó còn chuyển các lần ghi bộ nhớ đệm từ TTL một giờ sang TTL năm phút, chỉ ở những lượt mà một phần lớn prompt là mới (lượt đầu tiên của một phiên, sau khi nén ngữ cảnh): khoản tiết kiệm được tính trên chính số token do nhà cung cấp của bạn đếm, không bao giờ dựa trên ước tính.
Trường hợp mà BV‑SALA tồn tại để phục vụ. Ứng dụng của bạn gọi API bằng khóa của bạn, nhà cung cấp tính phí từng token, và lớp này cài đặt trong ba bước: gói, giấy phép và bọc lời gọi. Từ yêu cầu đầu tiên nó trả về một SavingsReport với khoản tiết kiệm, tách thành đo được và ước tính.
Ước tính vs. đo lường
Sản phẩm có hai con số khác nhau và không nên trộn lẫn chúng.
Giấy phép Đo lường miễn phí chạy lớp ở chế độ bóng trên lưu lượng của chính bạn và cho thấy nó sẽ tiết kiệm bao nhiêu, từng yêu cầu một. Nó không thay đổi gì và không áp dụng gì — vì vậy nó mang nhãn “ước tính”.
Mỗi lệnh gọi trả về một SavingsReport: những lệnh gọi bạn không bao giờ phải trả và khoản tiết kiệm ròng trên mỗi yêu cầu. Kiểm toán được, từng yêu cầu một, trên hạ tầng của chính bạn.
Cài đặt đầy đủ, nếu bạn phát triển ứng dụng
# 1 · gói pnpm add @bivelio/savings-layer # 2 · giấy phép (từ bảng điều khiển của bạn) export BIVELIO_LICENSE_KEY=… # 3 · bọc lệnh gọi — đây là toàn bộ thay đổi mã const layer = createSavingsLayer({ provider, licenseKey, … }); const { text, report } = await layer.generate({ model, messages }); console.log(report.cost.netSavingsRatio) // ← khoản tiết kiệm, đã đo